chatgpt-vercel
chatgpt-vercel 是一个基于 Vercel 的开源工具，允许用户通过一键操作快速搭建私有化的 ChatGPT 网站。它整合了 OpenAI 的 GPT-4/3.5 文本模型和 DALL-E/Midjourney 图像生成模型，支持在同一平台进行连续文本对话与图像创作，同时提供多语言切换、本地聊天记录保存等功能。
这个工具解决了传统部署 AI 应用的复杂性问题——无需编写代码或配置服务器，用户即可获得完整的对话界面。对于需要快速验证 AI 应用场景的开发者，或希望拥有专属对话机器人的普通用户，它提供了从部署到使用的完整解决方案。特别适合对 AI 技术感兴趣但缺乏开发经验的用户群体，以及需要将 AI 能力嵌入自有系统的设计师或研究人员。
其技术亮点在于将 Vercel 的无服务器架构与 OpenAI API 深度结合，实现零成本部署。支持通过预设提示词库定制 AI 行为，且图像生成功能兼容 Discord 的 Midjourney 模型。用户可通过在线演示直接体验，或通过设置 OPENAI_API_KEY 快速私有化部署。
使用场景
一位独立产品设计师需要频繁利用 AI 辅助文案撰写和原型图生成，同时希望严格保护项目创意隐私。
没有 chatgpt-vercel 时
- 依赖官方网页版导致敏感项目信息存在泄露风险，无法确保数据安全
- 文字对话与图片生成需切换不同平台，工作流割裂，操作繁琐
- 历史聊天记录分散在云端，难以本地搜索和导出复用，知识沉淀困难
- 无法自定义预设提示词，每次都要重复输入基础指令，浪费沟通成本
使用 chatgpt-vercel 后
- 通过 Vercel 一键部署私有站点，API Key 与聊天数据完全掌控在自己手中，安全无忧
- 同一界面即可切换 GPT 模型或调用 DALL-E、Midjourney 绘图，无缝衔接提升效率
- 支持本地保存并搜索历史记录，方便随时回顾之前的设计思路，便于团队协作
- 内置多种预设 Prompt，快速定制 AI 行为，减少重复配置时间，专注核心任务
核心价值：实现了低成本、高隐私且功能集成的私人 AI 工作台，显著提升了设计与开发效率。
运行环境要求
- 未说明
无需本地 GPU（基于 OpenAI API 和 Vercel 云端服务）
未说明
快速开始
ChatGPT-Vercel
English | 简体中文
简介
使用 Vercel 一键免费创建私有 ChatGPT 网站，支持多轮 文本 / 图像生成 对话。由 OpenAI API GPT-4/3.5 和 Vercel 驱动。
功能
- ⚡ 使用 Vercel 快速且免费部署
- 💬 文本对话，支持切换模型和设置上下文长度
- 🎨 图像生成对话支持
DALL-E和Midjourney模型。还支持调整图像大小和数量。 - 🌈 添加多个预设提示词以自定义 AI 行为
- 🌏 切换多种语言，目前支持简体中文和英语
- 💭 本地保存聊天记录，支持搜索、导入和导出功能
在线演示
用户指南
您可以访问上述在线演示或自行私有部署体验。
对话
点击左上角图标添加对话，有两种类型：
- 文本对话：
- 模型可切换，支持的模型
- 默认情况下为连续对话，每次发送会携带部分上下文。
- 支持添加预设提示词，输入
/或点击左下角按钮添加。 - 支持模型配置，点击右上角设置图标进行配置。
- 图像生成对话：
- 模型可切换，支持 OpenAI
DALL·E模型和Midjourney - 不支持连续对话，每次发送不携带上下文。
- 直接输入想要的图像效果，例如：
a cat。 - 对于
DALL-E模型，消耗OpenAI代币。图片链接的有效访问时间为2小时。如有必要请确保及时保存。 - 对于
Midjourney模型，根据Discord配置，图像生成可能需要一段时间，默认超时时间为5分钟。请耐心等待。
- 模型可切换，支持 OpenAI
历史记录
当全局设置中启用 保存所有对话 时，将保存到本地缓存。默认情况下不会保存。
操作
- 按
Enter发送 - 按
Shift+Enter换行 - 输入
/添加预设提示词，也支持搜索。
全部设置
参见 配置项
开始使用
1. 创建项目
从 GitHub 分叉的项目（推荐）或以下 部署 按钮创建 Vercel 项目。
2. 设置 OPENAI_API_KEY
有三种方式设置您的 OpenAI API Key：
- 设置 Vercel 环境变量 OPENAI_API_KEY
- 将
.env.example文件重命名为.env并设置 OPENAI_API_KEY - 在页面内设置 OPENAI_API_KEY
注意：对于 Vercel，所有环境变量都需要重新部署才能生效。
3. 设置 Midjourney（可选）
如果您想使用 Midjourney 的 AI 绘画功能，可以配置相关的 Discord 设置，包括以下字段：
DISCORD_SERVER_IDDISCORD_CHANNEL_IDDISCORD_TOKEN
如何获取 ID 和 Token：
您可以访问 midjourney-cookbook 获取一些关于 Midjourney 提示词的示例。
4. 保持代码同步（可选）
参见 Sync Fork
其他部署方法
运行 pnpm build 和 pnpm run server。参考：astro-node
配置项
部署配置
所有部署配置都可以在 .env 文件或 Vercel 的 环境变量 中进行配置
| 配置项 | 默认值 | 描述 |
|---|---|---|
| PASSWORD | - | 网站访问密码 |
| OPENAI_API_KEY | - | API 请求密钥，支持多个密钥，用逗号分隔，如何生成 |
| LANGUAGE | en | 网站的默认语言，包括提示词。支持的语言：zh/en |
| API_KEY_STRATEGY | random | 多密钥调度策略模式：polling/random |
| OPENAI_API_BASE_URL | api.openai.com | 请求 api 的默认地址 |
| DISCORD_SERVER_ID | - | Discord 服务器 ID |
| DISCORD_CHANNEL_ID | - | Discord 频道 ID |
| DISCORD_TOKEN | - | Discord Token |
| DISCORD_IMAGE_PROXY | - | Discord 图片代理 URL |
全局配置
所有全局配置将存储在本地
| 配置项 | 默认值 | 描述 |
|---|---|---|
| OpenAI API 密钥 | - | 仅支持单个密钥。如果在页面上配置，环境变量中的密钥将不会被使用 |
| 语言 | en | 网站的语言，包括提示词。支持的语言：zh/en |
| 保存所有对话 | true | 刷新页面后对话不会丢失 |
| Temperature (温度) | 1 | 值越大，回答越随机，范围为 0-2 |
| 文本对话模型 | gpt-3.5-turbo | API (应用程序接口) 请求中使用的模型，支持的模型 |
| 连续对话 | true | 携带对话的上下文 |
| 携带的历史消息数量 | 4 | 对于连续对话，携带的历史消息数量 |
| 图像生成对话模型 | DALL-E | 支持的模型：DALL-E / Midjourney / Replicate |
| 生成的图片数量 | 1 | 单次图像生成对话中生成的图片数量 |
| 生成的图片尺寸 | 256x256 | 图像生成对话中单张图片的尺寸 |
| Discord 服务器 ID | - | 如果在页面上配置，环境变量中的密钥将不会被使用 |
| Discord 频道 ID | - | 同上 |
| Discord 令牌 | - | 同 |
计划功能
- 导出功能，支持导出为 Markdown (标记语言) 和图片
- 主题颜色切换支持，当前默认为渐变紫色
- 音频对话支持
- 使用其他模型进行图像生成
这些是计划开发的一些功能。欢迎合作，并可通过提交 issue (问题) 提出其他建议。
开发
Requirements:
- NodeJS
v18或更高版本 - pnpm
v7或更高版本
代理 (Proxy)
- 默认情况下，使用自定义代理在本地请求 openapi，且需要在
.env中设置LOCAL_PROXY。目前没有默认代理，因此如果您选择设置代理，需承担相关风险。 - 如果不需要代理，可以在
.env文件中设置DISABLE_LOCAL_PROXY=true来禁用本地代理。此时将直接请求api.openai.com。
Development:
- 运行
pnpm dev - 暴露端口，例如在使用 Cloud IDE (云端集成开发环境) 时，运行
pnpm start
Build:
- 运行
pnpm build
贡献
Any contributions are highly appreciated. Here are some tips:
- 要改进翻译或添加新语言，修改
lang目录。如果添加新语言，还需要修改src/utils/i18n.ts(国际化)。 - 要改进或添加新的预设提示词，修改
prompts目录。 - 要优化 API，修改
src/pages/api目录。 - 要优化页面交互，修改
src/modules目录。 - 对于新功能支持，请直接提交 issue。
致谢
- 英文提示词改编自 awesome-chatgpt-prompts
- 中文提示词改编自 awesome-chatgpt-prompts-zh
Star History
许可证
Based on MIT License
版本历史
v0.3.12023/06/03v0.3.02023/05/14v0.2.12023/04/15v0.2.02023/04/09常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。